【Java】学习使用Tesseract实现验证码图片内容识别

Tesseract为OCR中最为流行的开源软件,本文仅演示了使用Tesseract识别验证码图片的应用场景，其他使用场景需要自行解锁

本人的学习环境：

操作系统：win10

java版本：jdk11

（仅作为环境介绍，不一致也无妨）

 

步骤一：

安装Tesseract环境

可去官网查看各个环境的安装教程，本次是使用的windows版本，windows安装地址

 

如需要使用简体中文，需要在安装过程中指定其他语言数据下载，如下图所示：

 

步骤二：

添加相关Maven依赖

<dependency>
    <groupId>org.bytedeco.javacpp-presets</groupId>
    <artifactId>tesseract-platform</artifactId>
    <version>4.0.0-1.4.4</version>
</dependency>

 

步骤三：

java测试类代码

package wcontour.ocr;

import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.javacpp.lept;
import org.bytedeco.javacpp.tesseract;

import static org.bytedeco.javacpp.lept.pixDestroy;
import static org.bytedeco.javacpp.lept.pixRead;

public class OCRTest {

    public static void main(String[] args) {
        //验证码路径
        String filePath = "C:\\Pictures\\OCR\\yzm2.jpg";
        //开始识别
        ocrTest(filePath);
    }

    public static void ocrTest(String filePath) {
        BytePointer outText;

        tesseract.TessBaseAPI api = new tesseract.TessBaseAPI();
        //s指定安装好的tessdata目录路径，s1指定语言
        //chi_sim为简体中文（需要在安装tessdata过程中手动指定安装chi_sim语言），eng为英文（为默认安装语言）
        if (api.Init("E:\\ENV\\Tesseract-OCR\\tessdata", "chi_sim") != 0) {
            System.err.println("无法初始化tesseract");
            return;
        }
        // 放入图片
        lept.PIX image = pixRead(filePath);
        api.SetImage(image);
        // 获取OCR结果
        outText = api.GetUTF8Text();
        System.out.println("OCR output:\n" + outText.getString());

        // 销毁使用过的对象并释放内存
        api.End();
        api.close();
        outText.deallocate();
        pixDestroy(image);
    }
}

 

测试结果：

 

 

感谢观看！

本文借鉴博客：Tesseract教程 - 李理的博客 (fancyerii.github.io)